Você está na página 1de 38

Captulo 9

INTEGRAIS IMPRPRIAS

9.1 Introduo

Na definio de integral definida, consideramos a funo integranda contnua num intervalo


fechado e limitado. Agora, estenderemos esta definio para os seguintes casos:

Funes definidas em intervalos do tipo [a, +), (, b] ou (, +), ou seja para todo
x a ou x b ou para todo x R, respectivamente.

A funo integranda descontnua em um ponto c tal que c [a, b].

As integrais destas funes so chamadas integrais imprprias. As integrais imprprias so


de grande utilidade em diversos ramos da Matemtica como por exemplo, na soluo de equa-
es diferenciais ordinrias via transformadas de Laplace e no estudo das probabilidades, em
Estatstica.

9.2 Integrais Definidas em Intervalos Ilimitados

Antes de enunciar as definies estudemos o seguinte problema:

Problema: Calcular a rea da regio R determinada pelo grfico de:

f : [1, +) R

1
tal que f (x) = e o eixo dos x.
x2

Primeiramente note que a regio R ilimitada e no claro o significado de "rea"de uma tal
regio.

257
258 CAPTULO 9. INTEGRAIS IMPRPRIAS

Figura 9.1: Grfico de y = f (x).

1
Seja Rb a regio determinada pelo grfico de y = e 1 x b, acima do eixo dos x.
x2

Figura 9.2: Grfico de y = f (x), 1 x b.

A rea de Rb :
b
dx 1 b 1
Z
A(Rb ) = = =1 .
1 x2 x 1 b
intuitivo que para valores de b, muito grandes, a rea da regio limitada Rb uma boa apro-
ximao da rea da regio ilimitada R. Isto nos induz a escrever:

A(R) = lim A(Rb ),


b+

quando o limite existe. Neste caso:


b
dx 1
Z
A(R) = lim A(Rb ) = lim 2
= lim (1 ) = 1 u.a.
b+ b+ 1 x b+ b
comum denotar A(R) por:
+
dx
Z
.
1 x2
9.2. INTEGRAIS DEFINIDAS EM INTERVALOS ILIMITADOS 259

Esta integral um exemplo de integral imprpria com limite de integrao infinito. Motivados
pelo raciocnio anterior temos as seguintes definies:

Definio 9.1.

1. Se f uma funo integrvel em [a, +), ento:

Z + Z b
f (x) dx = lim f (x) dx
a b+ a

2. Se f uma funo integrvel em (, b], ento:

Z b Z b
f (x) dx = lim f (x) dx
a a

3. Se f uma funo integrvel em R = (, +), ento:

Z + Z 0 Z b
f (x) dx = lim f (x) dx + lim f (x) dx
a a b+ 0

Se nas definies anteriores os limites existirem, as integrais imprprias so ditas convergentes;


caso contrrio so ditas divergentes.

A sintaxes que podemos utilizar so:

>f:=funo:
>Int(f,x=a..infinity)=int(f,x=a..infinity);
>Int(f,x=-infinity..b)=int(f,x=-infinity..b);
>Int(f,x=-infinity..infinity)=int(f,x=-infinity..infinity);

Ou alternativamente:

>f:=funo:
>Int(f,x=a..infinity)=limit(int(f,x=a..b),b=infinity);
>Int(f,x=-infinity..b)=limit(int(f,x=c..b),c=-infinity);

Exemplo 9.1.

Calcule as seguintes integrais imprprias:


Z +
dx
1. .
0 1 + x2

>f:=1/(1+x2):
260 CAPTULO 9. INTEGRAIS IMPRPRIAS

>Int(f,x=0..infinity)=limit(int(f,x=0..b),b=infinity);
+
1
Z
2
dx =
0 1+x 2
Z +
2. ex dx.
0

>f:=exp(-x):

>Int(f,x=0..infinity)=limit(int(f,x=0..b),b=infinity);
Z
ex dx = 1
0
Z +
3. ex dx.

Figura 9.3: Grfico de f (x) = ex .

Z + Z 0 Z +
e
x
dx = e
x
dx + ex dx
0

>f:=exp(-x):

>Int(f,x=0..infinity)=limit(int(f,x=0..b),b=infinity);
Z
ex dx = 1
0

>Int(f,x=-infinity..0)=limit(int(f,x=c..0),c=-infinity);
Z 0
ex dx =

logo; a integral diverge.


9.2. INTEGRAIS DEFINIDAS EM INTERVALOS ILIMITADOS 261

4. Calcule a rea da regio, no primeiro quadrante, determinada pelo grfico de y = 2x , o eixo


dos x e direita do eixo dos y.

Figura 9.4: Grfico de y = 2x .

>f:=1/2x:

>A(R):=Int(f,x=0..infinity)=limit(int(f,x=0..b),b=infinity);
Z
A(R) = (2x )1 dx = (ln (2))1
0
u.a.
+
dx
Z
5. Seja p R. Calcule .
1 xp
b
dx 1
Z
p
= (b1p 1), p 6= 1
1 x 1p
De fato:

>f:=1/xp:

>assume(p<>-1,b>0):

>int(f,x=1..b);

1 + bp+1

p1
a) Se p > 1:

>assume(p>1):

>Int(f,x=1..infinity)=limit(int(f,x=1..b),b=infinity);
Z
(xp )1 dx = (p 1)1
1
262 CAPTULO 9. INTEGRAIS IMPRPRIAS

b) Se p < 1:

>assume(p<1):

>Int(f,x=1..infinity)=limit(int(f,x=1..b),b=infinity);
Z
(xp )1 dx =
1

c) Se p = 1

>Int(1/x,x=1..infinity)=limit(int(1/x,x=1..b),b=infinity);
Z
x1 dx =
1

Em geral:


Z +
dx se p 1
= 1
1 xp se p > 1.
p1

Portanto, a integral converge para p > 1 e diverge para p 1.

Muitas vezes no possvel calcular o valor exato de uma integral imprpria, mas, podemos
indagar se uma integral imprpria converge ou diverge.

Proposio 9.1. Sejam f e g funes integrveis em [a, +) tais que f (x) g(x) > 0 para todo
x a.
Z + R +
1. Se f (x) dx converge, ento a g(x) dx converge.
a
Z + Z +
2. Se g(x) dx diverge, ento f (x) dx diverge.
a a

A prova, segue diretamente das definies. Seja f (x) 0, para todo x a. Para mostrar a con-
vergncia da integral de f , preciso que f seja menor que uma funo cuja integral converge.
Para mostrar a divergncia da integral de f , preciso que f seja maior que uma funo cuja
integral diverge.

Exemplo 9.2.
+
sen(x) + 2
Z
1. Analise a convergncia da integral: dx.
1 x
9.3. VALOR PRINCIPAL DE UMA INTEGRAL IMPRPRIA 263

sen(x)+2
Figura 9.5: Grfico de
x
.

>f:=(sin(x)+2)/sqrt(x):

>Int(f, x = 1 .. infinity) = limit(int(f, x = 1 .. b), b = infinity);

sin (x) + 2
Z
dx =
1 x
De fato, considere a seguinte desigualdade:

1 1 + 2 sen(x) + 2
= .
x x x
+
2
Z
Por outro lado: dx diverge; logo, pela proposio, parte 2, temos que a integral dada
1 x
diverge.

9.3 Valor Principal de uma Integral Imprpria


Consideremos a integral imprpria:
Z +
f (x) dx.

Chamamos de valor principal da integral imprpria ou valor principal de Cauchy ao limite:


Z a
lim f (x) dx
a+ a

se o limite existe. Nesse caso, dizimos que a integral converge no sentido de Cauchy. A notao
que utilizaremos :
Z +
VP f (x) dx.

Observaes 9.1.
264 CAPTULO 9. INTEGRAIS IMPRPRIAS

1. Se a integral imprpria converge, ento integral imprpria converge no sentido de Cau-


chy. Porm, a reciproca no verdadeira. De fato, considere:

Z +
VP x dx.

Z +
Sabemos que a integral imprpria x dx diverge. Por outro lado:

Z + Z a
VP x dx = lim x dx = 0.
a+ a

2. A diferena entre a integral imprpria e o valor principal da integral imprpria a se-


guinte:
Na definio de integral imprpria a maneira como a independente da forma
como b +. Isto , os extremos a e b das integrais so fixadas de forma arbitrria, sem
que deva haver alguma relao entre elas. J na definio do valor principal da integral
imprpria os extremos so fixados de modo a serem simtricos.

3. Se f mpar, ento:

Z + Z +
VP f (x) dx = 0 e f (x) dx diverge.

4. Se f par e a integral imprpria converge no sentido de Cauchy, ento a integral impr-


pria converge e:

Z + Z + Z +
f (x) dx = 2 f (x) dx = V P f (x) dx.
0

Se f uma funo contnua em [a, c) (c, b], a < c < b e tal que:

lim |f (x)| = lim |f (x)| = +.


xc+ xc

O valor principal de Cauchy definido por:


Z c Z b 
lim f (x) dx + f (x) dx
0+ a c+

quando o limite existe.


9.4. FUNO GAMA 265

9.4 Funo Gama


Se x > 0, a funo Gama definida e denotada por:
Z +
(x) = tx1 et dt.
0

Figura 9.6: Grfico de [x], x > 0.

A sintaxe que utilizaremos, :

>GAMMA(x);

(x)
Exemplo 9.3.
1. Calcule (1), (5) e (10)
Digitemos:

>f:=x->GAMMA(x);

f := x 7 (x)

Logo:
>f(1);f(5);f(10);

1
24
362880

1 1
2. Calcule e
2 3
266 CAPTULO 9. INTEGRAIS IMPRPRIAS

Digitemos:

>g:=x->GAMMA(x);

g := x 7 (x)

Logo:
>g(1/2);

>g(1/3);

2 3
3 (2/3)

>evalf(% );

2.678938537

No difcil ver que, utilizando integrao por partes, obtemos:

(x + 1) = x (x).
Em particular, se n N, temos que:

(n + 1) = n (n) = n (n 1) (n 1) = n (n 1) . . . 2 1 (1).
Como:
Z +
(1) = et dt = 1.
0
Logo, se n N, temos que:

(n + 1) = n!

Por outro lado, para x > 0 temos:


1
(x) = (x + 1).
x
Definamos primeiramente a funo , para 1 < x < 0, por:

1
(x) = (x + 1).
x
9.4. FUNO GAMA 267

Exemplo 9.4.

1. Calcule (0.2):

1 1
(0.2) = (0.2 + 1) = (0.8).
0.2 0.2

No MAPLE:

>restart;

>f:=x->GAMMA(x+1)/x;

(x)
f := x 7
x

>f(-0.2);

29.10574284

Logo, podemos definir a funo , para 2 < x < 1 por:

1
(x) = (x + 1).
x

Exemplo 9.5.

1. Calcular (1.2)

1 1 1 1
(1.2) = (1.2 + 1) = (0.2) = (0.8).
1.2 1.2 0.2 1.2

No MAPLE:

>f(-1.2);

4.042464284

Continuando este processo, podemos definir a funo , para x < 0 por:

1
(x) = (x + 1).
x
268 CAPTULO 9. INTEGRAIS IMPRPRIAS

9.5 Probabilidades
Uma funo f : R R positiva e integrvel chamada funo de densidade de probabilidade
se: Z +
f (x) dx = 1

Assim denotamos e definimos a probabilidade de um nmero x estar comprendido entre a e b


(a < b); por:
Z b
P (a < x < b) = P (a x b) = f (x) dx
a

Analogamente definimos as outras possibilidades:


Z +
P (a < x) = P (a x) = f (x) dx
a
Z b
P (x < b) = P (x b) = f (x) dx

Tambm podemos definir o valor esperado ou esperana do nmero x, como


Z +
E(x) = x f (x) dx,

onde f a funo de densidade de probabilidade. Por exemplo, se f mede o lucro de uma


carteira de aes, a esperana o lucro esperado que pode propocionar tais aes.
E a varincia do nmero x definida por:
Z +  2
V (x) = x E(x) f (x) dx

A varivel independente x chamada varivel aleatria contnua (v.a.c.) A varincia mede a


disperso ou espalhamento dos pontos ao redor da mdia. Por exemplo, se temos uma carteira
de aes, a varincia mede o risco das aes.
No difcil verificar que:
2
V (x) = E(x2 ) E(x) .


O desvio padro de uma funo de densidade de probabilidade definido e denotado por:


p
x = V (x).

x fornece uma medida de disperso da distribuio dos valores de x.

As sintaxes que utilizaremos, so:


9.5. PROBABILIDADES 269

>f:=funo:
>P(a < = x <= b) := int(f, x = a .. b);
>P(a < = x) := int(f, x = a .. infinity);
>E :=int(x*f, x = -infinity .. infinity);
>V:=int((x-E)2,x=-infinity..infinity);
>sigma: =sqrt(V);

Exemplo 9.6.

1. Seja:

se 0 > x


0
1
se 0 x

a x

f (x) = 2
1

a (1 x) se x1
2



0 se x > 1.

(a) Determine a constante a tal que f seja uma funo de densidade de probabilidade.
1 1 3
(b) Calcule P (x ) e P ( x ) .
2 2 4
(c) Determine E(x), V (x) e x .

(a) Devemos ter:


Z +
f (x) dx = 1;

logo:

>Int(f(x),x=0..infinity)=int(a*x,x=0..1/2)+int(a*(1-x),x=1/2..1);
+
a
Z
f (x) dx =
4
a
ento, = 1 e a = 4:
4
>f:= piecewise(x < 0, 0, 0 <= x and x < 1/2, 2*x, 1/2 <= x and x <= 1, x > 1, 0);



0 x<0

4 x 0 x and x < 1/2
f :=


4 (1 x) 1/2 x and x 1

0 otherwise
270 CAPTULO 9. INTEGRAIS IMPRPRIAS

2.0

1.5

1.0

0.5

-0.5 0.5 1.0 1.5

Figura 9.7: Grfico da distribuio f .

(b) Calculamos:

>P(x<=1/2):=int(4*x,x=0..1/2);
1 1
P (x ) :=
2 2
>P(1/2 <=x<=3/4):=int(4*(1-x),x=1/2..3/4);
1 3 3
P ( x ) := .
2 4 8
(c) Calculamos:

>E:=int(x*f,x=-infinity..infinity);
1
E(x) := .
2
Determinemos:

>V:=int(f*(x-E)2),x=-infinity..infinity) ;
1
V := .
24
Finalmente:

>sigma:=evalf(sqrt(V)));

:= 0.204124

2. Se a venda de cimento (em toneladas), de uma fbrica segue a seguinte funo de densidade
de probabilidade:
3

2 se 0 x 1
2 (1 x )


f (x) =

outro caso.

0

9.5. PROBABILIDADES 271

Qual valor esperado de vendas? Determine o desvio padro.

>f := piecewise(0 <= x and x <= 1, 3/2*(1-x2));

(
3/2 3/2 x2 0 x and x 1
f :=
0 otherwise

O valor esperado :

>E:= int(f*x, x = -infinity .. infinity);

3
E := = 0.375.
8

Por outro lado:

>V:=int(f*(x-E)2, x = -infinity .. infinity);

19
V :=
320

Como :

>sigma:=sqrt(V);

:= 0.24366

A fbrica vender mais ou menos 0.244 toneladas de cimento.

9.5.1 Distribuio Uniforme

Definimos a funo densidade de probabilidade da distribuio uniforme sobre o intervalo


[a, b], por:
1

se a x b
f (x) = b a
0 outro caso

Observe que:
+ b
1
Z Z
f (x) dx = dx = 1.
ba a
272 CAPTULO 9. INTEGRAIS IMPRPRIAS

Figura 9.8: Grfico da distribuio f .

O valor esperado do nmero x:


a+b
E= .
2
A varincia:
(b a)2
V = .
12
O desvio padro:
ba
x = .
12
Exemplo 9.7.

1. Um ponto escolhido aleatriamente no intervalo [0, 10]. Determine a probabilidade que


que o ponto escolhido esteja entre 8 e 8.6.
Definimos a funo densidade de probabilidade da distribuio uniforme sobre o intervalo
[0, 10], por:

>f:= piecewise(0 <= x and x <= 10, 1/10);

1

0 x and x 10
f (x) = 10
0 otherwise

Logo:

>P(8 x 8.5):=int(f,x=8..8.6);

0.6
P (8 x 8.5) := = 0.06.
10

[2] Suponha que a v.a.c. tem distribuio uniforme com esperana igual a 4 e a varincia igual
4
. Determine P (x 4) e P (3 x 4).
3
9.5. PROBABILIDADES 273

a+b (b a)2 4
Sabemos que E(x) = = 4 e V (x) = = , logo:
2 12 3
(
eq1 := a + b =8
eq2 := b a = 4.

>solve({eq1,eq2},{a,b});

{a = 2, b = 6}
Ento:

>P(x 4):=int(f,x=2..4);
1
P (x 4) := = 50%
2
E

P(3 x 4):=int(f,x=3..4);
1
P (3 x 4) := = 25%.
4
[3] Um atacadista vende entre 100 e 200 toneladas de gros, com distribuio uniforme de
probabilidade. Sabe-se que o ponto de equilbrio para esta operao corresponde a uma venda
de 130 toneladas. Determine a esperana, a varincia e a probabilidade de que o comerciante
tenha um prejuzo em um determinado dia.
Note que a = 100 e b = 200, ento:
100 + 200
E := = 150
2
(200 100)2
V := = 833.3.
12
Como o equilbrio (no se perde nem se ganha) acontece quando vende 130 toneladas, devemos
calcular: Z 130
dx 30
P (x < 130) := = = 0.3.
100 100 100
Isto , tem uma probabilidade de 30%.

9.5.2 Distribuio Exponencial


Esta funo de densidade de distribuio frequentemente utilizada para determinar a vida
til de equipamentos eletrnicos e do tempo entre ocorrncias de eventos sucessivos, como por
exemplo, o tempo entre chegadas de clientes a uma agncia bancria.

Definimos a funo densidade de probabilidade da distribuio exponencial de parmetro ,


por: (
ex se x > 0
f (x) =
0 se x 0,
274 CAPTULO 9. INTEGRAIS IMPRPRIAS

> 0. Observe que f (x) 0, para todo x.

Figura 9.9: Grfico da distribuio exponencial.

Note que:
Z +
f (x) dx = 1.

Por outro lado, a probabilidade de que um nmero x (a, b) :


Z b
P (a x b) = ex dx = ea eb
a

O valor esperado do nmero x:


1
E= .

A varincia:
1
V = .
2
O desvio padro:
1
x = .

Exemplo 9.8.

1. Para determinado tipo de baterias de telefone celular, a funo de densidade de probabi-


lidade onde x horas o tempo de vida til de uma bateria escolhida aleatoriamente dada
por: x/20
e
se x > 0
f (x) = 20
0 se x 0.

Determine a probabilidade de que uma bateria escolhida aleatoriamente tenha um tempo de


vida til entre 10 a 15 horas e de uma que funcione pelo menos 50 horas. Determine a esperana
e a varincia.
Digitemos:
9.5. PROBABILIDADES 275

>f:= piecewise(0 <= x, (1/20)*exp(-(1/20)*x));

1 ex/20

x>0
f := 20
0 otherwise
Devemos calcular P (10 x 15) e P (x 50), ento:

>P(10 x 15):=int(f,x=10..15);

P (10 x 15) := 0.134


aproximadamente, 13.4%.

>P(x 50):=int(f,x=50..infinity);

P (x 50) := 0.082
Aproximadamente 8.2%. Determinemos a esperana e a varincia:

E = 20 e V = 400.

Figura 9.10: Grfico da distribuio exponencial do exemplo [1].

2. O tempo de espera entre o pedido de atendimento num banco uma v.a.c. com distribuio
exponencial, com tempo mdio de espera igual a 10 minutos. Determine a probabilidade do
tempo de espera superior a 10 minutos. Ache a esperana e a varincia.

1 1
Note que E = = = 0.1. Logo, digitemos:
10
>f:= piecewise(0 <= x, 0.1*exp(-0.1*x));
(
0.1 e0.1x x>0
f :=
0 otherwise
Devemos calcular P (10 x)
276 CAPTULO 9. INTEGRAIS IMPRPRIAS

>P(10 x ):=int(f,x=10..infinity);

P (10 x) := e1

aproximadamente, 36.8%, e:

E = 10 min. e V = 100 min.

9.5.3 Distribuio de Pareto

uma distribuio frequentemente utilizada em Economia no estudo da distribuio de renda


de uma populao.

Definimos a funo de densidade de probabilidade da distribuio de Pareto, por:




x+1
se x
f (x) =


0 se x < .

> 1 e > 0. O parmetro pode ser interpretado como a renda mnima de uma populao
e o parmetro pode ser interpretado como a disperso da renda.

Note que:

Z +
f (x) dx = 1.

2.0

1.5

1.0

0.5

0.5 1.0 1.5 2.0

Figura 9.11: Grfico de f , para = 3/2 e = 1/2.

A esperana, a verincia e o desvio padro, so:


9.5. PROBABILIDADES 277


E=
1

2
V =
( 1)2 ( 2)

r

x = .
1 2

Exemplo 9.9.
1
1. Uma distribuio de Pareto tem esperana e varincia 2 e , respectivamente.
2
(a) Determine a distribuio.
(b) Calcule P (x 10).
(a) Temos:


E := =2
1
2 1
V := 2
=
( 1) ( 2) 2

>solve({E,V},{alpha ,beta});
3
{ = 2, = 3}, { = 4, = }
2
3
logo, como > 1 temos = e = 4, e:
2
>f:=piecewise(x >= 3/2, 81/(4*x5));
81 3


4 x5 x
2

f :=


0 otherwise

(b) Calculamos:

P(x>= 10):=int(f,x=10..infinity);

P (x 10) := 0.00050625.

2. Numa populao a renda distribuida segundo uma distribuio de Pareto, com = 3 e


= 1000.
278 CAPTULO 9. INTEGRAIS IMPRPRIAS

(a) Qual a probabilidade de que uma pessoa ganhe mais de 5000 u.m?
(b) Qual a probabilidade de que uma pessoa ganhe entre 2000 e 3000 u.m?
(c) Qual a probabilidade de que uma pessoa ganhe abaixo da mdia u.m?
Digitemos:

>f:= piecewise(x >= 1000, 3*10003/x4);

3000000000

1000 x
f := x4
0 otherwise
(a) Calculamos:

>P(x>= 5000):=int(f,x=5000..infinity);
1
P (x 5000) :=
125
>evalf(%);

0.008

Logo, 0.8%

(b) Calculamos:

>P(2000 <= x<= 3000):=int(f,x=2000..3000);


19
P (2000 x 3000) :=
216
>evalf(%);

0.087963

Logo, 8.79 %

(c) Calculamos:

>E:=int(f*x,x=1000..infinity);

E := 1500
logo:

>P(x<1500):=int(f,x=1000..1500);
19
P (x < 1500) := .
27
>evalf(%);
9.5. PROBABILIDADES 279

0.703704

Logo, 70.37 %
3. Se em duas cidades, as respectivas rendas seguem as seguintes distribuies de Pareto,
respectivamente:

4 10004


se x 1000
x5

f1 (x) =


0 se x < 1000

5 12005


se x 1200
x6

f2 (x) =


0 se x < 1200.

(a) Qual o renda mdio de cada cidade e o desvio padro?


(b) Em qual cidade mais provavel que uma pessoa ganhe mais de 2000 u.m?
(c) Em qual cidade mais provavel que uma pessoa ganhe entre 2000 e 3000 u.m?

0.004

0.003

0.002

0.001

500 1000 1500 2000 2500

Figura 9.12: Grfico de f1 e f2 , respectivamente.

>f1:=piecewise(x >= 1000, 4*10004/x5);


4000000000000

x 1000
x5


f1 :=


0 otherwise

>f2:=piecewise(x >= 1000, 5*12005/x6);


12441600000000000

x 1200
x6


f2 :=


0 otherwise

280 CAPTULO 9. INTEGRAIS IMPRPRIAS

Denotemos por Ei a mdia relativa distribuio fi ; analogamente as outras quantidades.



(a) Sabemos que E = ; logo:
1
4000
E1 := = 1333.33 e E2 := 1500.
3

r
Por outro lado, o desvio padro : x = ; logo:
1 2
1 = 471.405 e 2 = 387.298.

Na segunda cidade provvel que se ganhe, em mdia, mais.

(b) Digitamos:

>P1(2000<x):=int(f1,x=2000..infinity);
1
P 1(2000 < x) :=
16
>evalf(%);

0.0625
>P1(2000<x):=int(f2,x=2000..infinity);
243
P 2(2000 < x) := =
3125
>evalf(%);

0.07776
Na segunda cidade provvel que se ganhe, em mdia, mais de 2000 u.m.

(c)
Digitamos:

>P1(2000<=x<=3000):=int(f1,x=2000..3000);
65
P 1(2000 x 3000) :=
1296
>evalf(%);

0.05015435
>P2(2000<=x<=3000)=int(f2,x=2000..infinity);
211
P 2(2000 x 3000) :=
3125
>evalf(%);

0.06752
9.6. DISTRIBUIO NORMAL OU GAUSSIANA 281

9.6 Distribuio Normal ou Gaussiana


Esta a funo de distribuio mais importante; ela est associada a erros de medidas, tempos
de reao de experimentos psicolgicos e indicadores econmicos.

Definimos a funo de densidade de probabilidade da distribuio normal, por:

1 2 2
f (x) = e(x) /2 , < x < +,
2
onde 0 e > 0.

Figura 9.13: Grfico de f , para = 0 e = 1.

A constante dita mdia e dito o desvio padro.


Verificao de que esta funo uma densidade de probabilidade. De fato:

Digitemos:

>f:=exp(-(x-mu)2/(2*sigma2))/(sigma*sqrt(2*Pi)):

>assume(sigma>0):

>Int(f,x=-infinity..infinity)=int(f,x=-infinity..infinity);
(x)2 1
Z
1/2 e1/2 2 2 1 dx = 1

De forma anloga, possvel verificar que:

E = .

A varincia:
V = 2 .

Devido a complexidade da integral envolvida nos clculos que devem ser feitos quando utili-
zada a distribuio normal, os estatsticos criaram uma tabela, nica, da chamada distribuio
282 CAPTULO 9. INTEGRAIS IMPRPRIAS

normal padro; isto , se = 1 e = 0. possvel provar que qualquer distribuio normal


pode ser transformada numa distribuio normal padro, fazendo a mudana:
x
z= .

Finalmente, observamos que:

1 1 x
Z
2 /2 2
e(x) dx = erf .
2 2 2

Exemplo 9.10.
1. Um certo tipo de bateria de celular tem, em mdia, durao de 3 anos com desvio standard
= 0.5. Se a durao das baterias normalmente distribuida, determine a probabilidade de
uma bateria durar menos que 2.3 anos.
2
= 0.5 e = 3, ento f (x) = 0.797885 e2 (3+x) :

>f:=0.797885* exp(-2*(-3 + x)2):

>P(x<2.3):=int(f,x=0..2.3);

P (x < 2.3) := 0.0807567.

2. Numa prova para concurso, a mdia das notas foi de 82 com desvio standard = 5. O
nmero de pessoas que obtiveram notas entre 88 e 94 foi 8; determine o nmero de pessoas
presente na prova.
2
= 5 e = 82, ento f (x) = 0.0797885 e0.02(82+x) . Supondo que as notas so nmeros
inteiros:

>f:=0.0797885* exp(-0.02*(-82 + x)2):

>P(87.5<x<94.5):=int(f,x=87.5..94.5);

P (87.5 < x < 94.5) := 0.129456.


Logo, as 8 pessoas que obtiveram notas entre 88 e 94 representam 12.95% dos alunos; ento o
total de alunos , aproximadamente, 62.

9.6.1 Distribuio Gama


A funo = (x) estudada nos captulos anteriores d origem seguinte distribuio, que
utilizada nos fenmenos limitados, como por exemplo, os intervalos de tempo de espera numa
fila de banco ou para analisar o tempo de permanncia de pacientes num hospital.
A funo de densidade de probabilidade Gama, de parametros > 0 e R, definida por:

e x x1 se x > 0
f (x) = ()
0 outro caso.

9.6. DISTRIBUIO NORMAL OU GAUSSIANA 283

Note que se = 1, temos a densidade de probabilidade exponencial. Utilizando a definio da


funo gama, obtemos que:
Z +
()
e x x1 dx = .
0
Donde segue que:
Z +
f (x) dx = 1.

0.5

0.4

0.3

0.2

0.1

2 4 6 8 10

Figura 9.14: Grfico de f , para = 1, 2, 3, 4 e = 1.

Por outro lado, possvel verificar que:



E(x) = .

Analogamente:

V (x) = .
2
Exemplo 9.11.

1. O tempo, em horas, utilizado para a montagem de um carro segue a distribuio gama. Se


a esperana e a varincia so 2 e 1, respectivamente. Estime a probabilidade de que um carro
seja montado pelo menos em uma hora.

Sabemos que E(x) = e V (x) = 2 ; logo:


eq1 := =2



eq2 :=
=1

2
>solve({eq1,eq2},{, });

{ = 2, = 4}
284 CAPTULO 9. INTEGRAIS IMPRPRIAS

(
16 e2 x x3 se x > 0
f (x) =
0 outro caso.

0.30

0.25

0.20

0.15

0.10

0.05

0.5 1.0 1.5 2.0 2.5 3.0

Figura 9.15: Grfico de P (x < 1).

>f:=16*exp(-2*x)*x3:

>P(x<1):=int(f,x=0..1);

P (x < 1) := 6 38 e2

>evalf(%);

0.857259238

2. Se o tempo de sobrevivncia no mercado, em anos, de um certo tipo de microempresa segue


a distribuio gama para = 0.81 e = 7.81, determine:

(a) O tempo mdio de sobrevivncia destas microempresas.

(b) Qual a probabilidade de que a sobrevivncia seja menor que 10 anos.

(
0.0000559896 e0.81 x x6.81 se x > 0
f (x) =
0 outro caso.
9.7. INTEGRAIS DE FUNES DESCONTNUAS 285

0.12

0.10

0.08

0.06

0.04

0.02

5 10 15 20 25 30

Figura 9.16: Grfico de f .

>f:=0.0000559896* exp(-0.81*x) *x6.81:

(a) Sabemos que:

7.81
E(x) = = = 9.64198
0.81
o tempo mdio de sobrevivncia 10 anos.

(b) Digite:

>P(x<10):=int(f,x=0..10);

P (x < 10) := 0.587755

de quase 60%.

9.7 Integrais de Funes Descontnuas


Como antes, iniciamos o pargrafo, com um problema:

Problema: Calcular a rea da regio R determinada pelo grfico de

1
y= , x9
x
e o eixo dos x.
Notamos que a regio R ilimitada pois a funo f nem definida no ponto x = 0.
1
Seja R a regio determinada pelo grfico de y = , x 9 com > 0 pequeno e o eixo
x
dos x..
286 CAPTULO 9. INTEGRAIS IMPRPRIAS

Figura 9.17: A regio R .

A rea de R :

9 9 

dx
Z
A(R ) = = 2 x = 6 2 u.a.
x

intuitivo que para valores de muito pequenos, a rea da regio limitada R uma boa
aproximao da rea da regio ilimitada R. Isto nos induz a escrever:

9 
dx
Z
A(R) = lim A(R ) = lim = lim 6 2 = 6 u.a.
0+ 0+ x 0+

9
dx
Z
um exemplo de integral imprpria com integrando ilimitado.
0 x

Motivados pelo raciocnio anterior, temos as seguintes definies:

Definio 9.2.

1. Se f uma funo integrvel em (a, b], ento:

Z b Z b
f (x) dx = lim f (x) dx
a a+

2. Se f uma funo integrvel em [a, b), ento:

Z b Z
f (x) dx = lim f (x) dx
a b a
9.7. INTEGRAIS DE FUNES DESCONTNUAS 287

y=f(x)

+ -
a b

Figura 9.18:

3. Se f uma funo integrvel em [a, b] exceto em c tal que a < c < b, ento:

Z b Z c Z b Z Z b
f (x) dx = f (x) dx + f (x) dx = lim f (x) dx + lim f (x) dx
a a c c a c+

Se nas definies anteriores os limites existirem, as integrais imprprias so ditas convergentes;


caso contrrio, so ditas divergentes.

As sintaxes que utilizaremos, so:

>f:=funo:
>Int(f,x=a..b)=limit(int(f,x=e..b),e=a,right);
>Int(f,x=a..b)=limit(int(f,x=a..e),e=b,left);

Exemplo 9.12.

Calcule as seguintes integrais imprprias:


Z
2 cos(x)
1. p dx.
0 sen(x)

>f:=cos(x)/sqrt(sin(x)):

>Int(f,x=0..Pi/2)=limit(int(f,x=e..Pi/2),e=0,right);
1/2
cos (x)
Z
p dx = 2
0 sin (x)
1
dx
Z
2.
3
.
4 x+2
Observe que a funo integranda no definida em 2 [4, 1].

>f:=1/surd(x+2,3):
288 CAPTULO 9. INTEGRAIS IMPRPRIAS

Pesquise no Help do MAPLE por que utilizamos o comado surd.

>Int(f,x=-4..1)=int(f,x=-4..1);
1
1 3 3
Z

3
dx = 22/3 + 32/3
4 x+2 2 2

3
p
3
3. Calcule o comprimento da astride x2 + 3
y2 = a2 , a > 0.

Figura 9.19: A astride para a = 1.

A curva no diferencivel nos pontos de interseo com os eixos coordenados.


Pela simetria, calcularemos o comprimento da curva no primeiro quadrante e multiplicaremos
o resultado por 4.

>g:=surd(x(2),3)+surd(y(2),3):

>assume(x > 0, y > 0, a > 0):

>a:=simplify(sqrt(simplify(implicitdiff(g, y, x)2+1)));
p
x2/3 + y 2/3
a := 3
x
>b:=:=simplify(subs(x(2/3)+y(2/3)=a(2/3)),a);
3
a
b := 3
x
3
p
3
Na ltima igualdade usamos o fato de que x2 + 3 y 2 = a2 ; logo,

>L := 4*(int(b, x = 0 .. a));

L := 6 a
1
4. Calcule a rea limitada por f (x) = , pelo eixo dos x e pelas retas x = 2 e x = 5.
x2
9.7. INTEGRAIS DE FUNES DESCONTNUAS 289

Figura 9.20: Grfico de f (x) = 1 .


x2

>A(R):=int(1/surd(x-2,2),x=2..5);

A(R) := 2 3

Numa integral imprpria com limite superior infinito e cuja funo integranda no definida
no limite inferior, procedemos assim: Se f integrvel em (a, +) ento

Z + Z c Z b
f (x) dx = lim f (x) dx + lim f (x) dx
a a+ b+ c

onde a < c; analogamente nos outros casos.

Aqui utilizamos a sintaxe

Int(f, x = a .. infinity) = int(f, x = a .. infinity);

Exemplo 9.13.
+
dx
Z
1. .
2 x x2 4

>f:= 1/(x*sqrt(x2-4)):

>Int(f, x = 2 .. infinity) = int(f, x = 2 .. infinity);

1 1
Z
dx =
2
2
x x 4 4
1
2. Calcule a rea da regio limitada pelo grfico de y = e o eixo dos x.
x (x + 1)
290 CAPTULO 9. INTEGRAIS IMPRPRIAS

1
Figura 9.21: Grfico de f (x) =
x (x+1)
.

>f:= 1/(sqrt(x)*(x+1)):

>Int(f, x = 0 .. infinity) = int(f, x = 0 .. infinity);

1
Z
dx =
0 x (x + 1)
9.8. EXERCCIOS 291

9.8 Exerccios
1. Calcule as seguintes integrais imprprias, caso sejam convergentes:

+ 1
dx
Z
dx
Z
(a) (m)
1 x x (2 x 3)2
+ +
dx
Z
x
Z
(b) 2 (n) dx
3 x +9 x2 + 1
+ +
dx
Z
dx
Z
(c) (o)
0 (x + 1)(x + 2) x2 + 2 x + 5
Z + +
dx
Z
x2
(d) xe dx (p)
0 1 x3 + x
Z + Z +
x2
(e) |x| e dx (q) ex sen(x) dx
0
Z + +
dx x
Z
(f) (r) dx
2 x ln(x) 1 (x2 + 1)2
+ +
cosh(x) x3
Z Z
(g) dx (s) dx
0 1 + senh(x) 0 1 + x4
Z 0 +
dx
Z
x2
(h) x5 dx (t)
e2 x ln3 (x)
Z0 Z+
(i) x cosh(x) dx (u) x sen(x) dx
0
Z + 0
dx
Z
ln(x)
(j) dx (v)
1 x x2 +1
+ +
dx
Z
dx
Z
(k) (w)
x2 +1 1
3
x2
+ +
dx
Z Z
(l) sen(t ) et dt (x)
0 2 x ln2 (x)

2. Calcule a rea das regies determinadas por:

(a) y = (ex + ex )1 (b) y = x2 , y = e2x e x1


1
(c) y= x4 +1
e o eixo dos x.

3. Determine o valor de s tal que as seguintes integrais imprprias sejam convergentes:

Z + Z +
(a) est dt (c) est et dt
0 0
Z + Z +
(b) est sen(t) dt (d) t2 est dt
0 0
292 CAPTULO 9. INTEGRAIS IMPRPRIAS
Z +
1 cos(x)
Z
2
(e) est senh(t) dt (g) dx
0 xs
+ Z0
dx
Z
(f) est cosh(t) dt (h)
0 0 (sen(x))s

R +
4. Seja (x) = 0 tx1 et dt, x > 0; esta funo chamada funo gama. Verifique:

(a) (x + 1) = x (x), x > 0.

(b) Se n N, (n + 1) = n!

5. Se o erro envolvido na medio de certos instrumentos eletrnicos tem uma distribuio


de probabilidade:
(
0.00123 (4 x2 ) se 2 x 2
f (x) =
0 outro caso.

(a) Esboce o grfico de f .

(b) Calcule P (x > 0) e P (1 < x < 1).

(c) Qual a esperana e x ?

6. A concentrao de um certo contaminante numa lagoa tem uma distribuio de probabi-


lidade uniforme em [0, 20] partes por milho. Se a concentrao do contaminante de 8
ou mais partes por milho, ela considerada txica. Pergunta-se:

(a) Qual a probabilidade de coletar uma amostra em que a concentrao seja txica?

(b) Qual a esperana e a varincia?

(c) Qual a probabilidade de coletar uma amostra em que a concentrao seja exata-
mente 10.

7. Se o consumo familiar de um certo produto tem uma distribuio de probabilidade uni-


forme com esperana igual a 10 e varincia igual a 1, determine a probabilidade de que o
consumo esteja entre 8 e 12.

8. O tempo para consertar um liquidificador tem uma distribuio de probabilidade expo-


nencial:
(
0.04545 ex/22 se x > 0
f (x) =
0 se x 0,

isto , em mdia 22 minutos.


9.8. EXERCCIOS 293

(a) Determine a probabilidade de que o tempo do conserto seja menor que 10 minutos.

(b) Se o custo do conserto de 20 u. m. por cada 30 minutos ou frao de reparos; qual


a probabilidade de que um conserto custe 40 u.m?

(c) Para um planejamento futuro, quanto tempo se deve utilizar em cada conserto para
que a probabilidade de que qualquer tempo de reparo maior que o tempo dado seja
de 0.1?

9. Numa fbrica de circuitos impressos, a vida til desses circuitos tem uma distribuio
descrita pela densidade de probabilidade exponencial:
(
0.002 e0.002x se x > 0
f (x) =
0 se x 0.

(a) Qual a probabilidade dos circuitos funcionarem em menos de 600 horas?

(b) Qual a probabilidade dos circuitos continuarem funcionando aps 600 horas?

10. Os marcapassos funcionam, com probabilidade exponencial em mdia, 16 anos.

(a) Qual a probabilidade de que uma pessoa que j tenha um marcapasso deva reim-
plantar um novo antes de 20 anos?

(b) Se o marcapasso estivesse funcionando durante 5 anos, qual a probabilidade de


que o paciente deva reimplantar outro aps 25 anos?

11. Numa populao a renda distribuido segundo a distribuio de Pareto, com = 5 e


= 2200.

(a) Qual a probabilidade de que uma pessoa ganhe mais de 1000?

(b) Qual a probabilidade de que uma pessoa ganhe entre 1000 e 1500?

(c) Qual a probabilidade de que uma pessoa ganhe abaixo da mdia?

12. Se em trs cidades, as rendas seguem as seguintes distribuies de Pareto para = 3,


= 1200, = 4, = 1300 e = 5, = 1500, respectivamente.

(a) Qual a renda medio de cada cidade e o desvio padro?

(b) Em qual cidade mais provavel que uma pessoa ganhe mais de 2000 u.m?

(c) Em qual cidade mais provavel que uma pessoa ganhe entre 2000 e 3000?
294 CAPTULO 9. INTEGRAIS IMPRPRIAS

13. Numa prova de vestibular, a mdia das notas foi 50 com desvio standard = 6. O nmero
de pessoas que obtiveram notas entre 70 e 90 foi 120. Utilize um software matemtico
para determinar o nmero de pessoas presentes no exame.

14. Se o tempo utilizando um computador com time-sharing segue uma distribuio gama
com mdia de 20 minutos e varincia de 80 minutos, pede-se:

(a) Determine e .

(b) Qual a probabilidade de um usurio utilizar o computador no mximo 20 minutos?

(c) Qual a probabilidade de um usurio utilizar o computador entre 20 e 40 minutos?

15. Se o tempo de sobrevivncia de um certo tipo de cirugia, em anos, segue a distribuio


gama para = 0.9 e = 81; determine:

(a) O tempo mdio de sobrevivncia.

(b) Qual a probabilidade de sobrevivncia seja menor de 5 anos.

16. Calcule as seguintes integrais imprprias, caso sejam convergentes:

4 3
dx dx
Z Z
(a) (l) 2
0 x 0 (x 1)
1 Z
1 dx
cos(x 3 )
Z 2
(b) dx (m)
x3
2
cos(x)
0
4
Z0 3
dx dx
Z
(c) (n)
16 x2 4 x x2 3
0
Z1 1
Z 4
e x 3 x2 + 2
(d) dx (o) 3
dx
0 x 0 x2
dx
Z 1
1
dx
Z
(e) (p)
2
2 x x 1
p
1
2
x (ln(x))2
7
Z 2
1 dx
dx (q)
Z
(f) x ln2 (x)
x3 Z1 2
Z1
dx
dx (r)
(g) 1 x
p
ln(x)
1 cos(x) Z 2r
Z 2
dx 2+x
(h) (s) dx
2 x x2 0 2x
Z0 5 Z 2
1
dx 1
(i) (t) 2
sen( ) dx
x x
p
4
5
(5 x)2 Z0 1
Z 2
dx dx
(j) (u) 3
1 x
2 4 x2 0 (1 x )
Z 1 Z 1
dx 2 dx
(k) (v) p
3
0 1 x2 0 x ln(x)